基于洗牌实例多示例学习的胰腺癌 ROSE 图像分类
图像与视频处理
2022-06-08 v1
摘要
快速现场评估（ROSE）技术可通过现场病理医生立即分析快速染色的细胞病理图像，显著加快胰腺癌的诊断流程。采用深度学习方法的计算机辅助诊断（CAD）有潜力解决病理人员不足的问题。然而，ROSE 图像的癌变模式在不同样本间差异极大，使得 CAD 任务极具挑战性。此外，由于染色质量不一及采集设备类型多样，ROSE 图像在颜色分布、亮度和对比度方面也存在复杂扰动。为应对这些挑战，我们提出了一种新颖的采用含实例洗牌块的多示例学习（MIL）方法，其采纳了 Vision Transformers 的基于块的学习策略。借助重新分组的洗牌实例包及其包级软标签，该方法利用 MIL 头使模型聚焦于胰腺癌细胞的特征，而非 ROSE 图像中的各类扰动。同时，结合分类头，模型可有效识别跨不同实例的通用分布模式。结果表明分类准确率显著提升且注意力区域更精确，说明 ROSE 图像的多样模式被有效提取，其复杂扰动被显著消除。这也表明带洗牌实例的 MIL 在细胞病理图像分析中具有巨大潜力。
引用
@article{arxiv.2206.03080,
title = {Pancreatic Cancer ROSE Image Classification Based on Multiple Instance Learning with Shuffle Instances},
author = {Tianyi Zhang and Youdan Feng and Yunlu Feng and Guanglei Zhang},
journal= {arXiv preprint arXiv:2206.03080},
year = {2022}
}